百度BML&飞桨训练营(四)人流密度检测
百度BML、飞桨训练营(四)人流密度检测
文章相关内容资料已经取得百度BML允许,仅用与交流学习,请不要用于商业传播。
下载数据集
请在开始任务前,下载以下文件至本地
1.Notebook模板+测试数据集下载(视频demo)
https://aistudio.baidu.com/aistudio/datasetdetail/114696
2.PaddleDetection下载链接(若Github无法进入,则选择Gitee链接)
Github:https://github.com/PaddlePaddle/PaddleDetection
Gitee:https://gitee.com/PaddlePaddle/PaddleDetection
第一步:新建Notebook,选择通用模版
图片
第二步:配置Notebook,开发语言选择Python3.7,AI框架选择PaddlePaddle 2.0.0,资源规格选择GPU V100,启动。打开Notebook
图片
第三步:FairMOT训练代码准备,下载PaddleDetection到本地,然后上传至Notebook。解压代码压缩包,并重命名代码文件夹
1.上传Notebook人流量统计模板至Notebook
图片
2.下载PaddleDetection(新)
!git clone https://gitee.com/PaddlePaddle/PaddleDetection.git -b develop
第四步:环境准备,安装PaddleaddleDetection所需依赖
! python -m pip install paddlepaddle-gpu==2.1.3.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
! pip install -r PaddleDetection/requirements.txt
图片
图片
第五步:数据集下载
! wget https://motchallenge.net/data/MOT16.zip
! wget https://dataset.bj.bcebos.com/mot/image_lists.zip
图片
第六步:解压数据,并移动到指定路径
1.解压数据
! unzip -oq ./image_lists.zip
! mkdir MOT16
! unzip -oq -d MOT16/images ./MOT16.zip
2.将全部数据移动到 PaddleDetection/dataset/mot 中
! mv MOT16/ PaddleDetection/dataset/mot/
! mv image_lists/ PaddleDetection/dataset/mot/
图片
第七步:数据格式修改
%cd PaddleDetection/dataset/mot
! python gen_labels_MOT.py
图片
第二步:训练配置修改
1.训练数据集:打开 configs/datasets/mot.yml,将 TrainDataset: !MOTDataSet: image_lists: [‘mot17.train’, ‘caltech.all’, ‘cuhksysu.train’, ‘prw.train’, ‘citypersons.train’, ‘eth.train’] 修改为 [‘mot16.train’]
图片
2.epoch数量(非必需):打开 configs/mot/fairmot/base/optimizer_30e.yml,将 epoch: 30 改为 epoch: 5
图片
第三步:进入工作目录
cd /home/work/PaddleDetection/
图片
第四步:启动模型训练
! python -m paddle.distributed.launch --log_dir=./fairmot_dla34_30e_1088x608/ --gpus 0 tools/train.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml
图片
图片
图片
第五步:启动模型评估
1.新建终端,进入工作目录
cd /home/work/PaddleDetection/
图片
CUDA_VISIBLE_DEVICES=0 python tools/eval_mot.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608/model_final.pdparams
图片
模型评估完成:
如何通过模型评估结果判断模型训练效果?
最后结果是这样子的
进入工作目录
cd /home/work/PaddleDetection/
第二步:视频预测
1.上传提前下载好的视频demo
https://aistudio.baidu.com/aistudio/datasetdetail/114696
测试数据集-视频demo
图片
图片
2.执行预测命令
! CUDA_VISIBLE_DEVICES=0 python tools/infer_mot.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608/model_final.pdparams --video_file=…/example.mp4 --frame_rate=20 --save_videos
图片
3.下载预测视频至本地,进行观看
图片
图片
第三步:图片文件夹预测
1.执行预测命令
! CUDA_VISIBLE_DEVICES=0 python tools/infer_mot.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608/model_final.pdparams --image_dir=./dataset/mot/MOT16/images/test/MOT16-01/img1 --save_videos
图片
图片
2.下载预测结果至本地,进行查看
图片
第四步:模型导出并配置文件
! CUDA_VISIBLE_DEVICES=0 python tools/export_model.py -c configs/mot/fairmot/fairmot_dla34_30e_1088x608.yml -o weights=output/fairmot_dla34_30e_1088x608/model_final.pdparams
图片
图片
最后结果
相关文章
- SQL AND & OR 运算符
- C 输入 & 输出
- BEGINNING SHAREPOINT® 2013 DEVELOPMENT 第1章节--SharePoint 2013 介绍 SharePoint 2013 平台
- Go 语言指针符号 * 和 & (pointer)
- 转 SQL*PLUS中的替换变量(& &&)
- STM32驱动AHT10&OLED显示温湿度
- 百度BML&飞桨训练营(十)面部表情迁移PaddleGAN--蒙娜丽莎在微笑
- 百度BML&飞桨训练营(三)CV之汽车识别分类
- 百度BML&飞桨训练营(二)基本流程熟悉NLP简单模型训练
- 百度BML&飞桨训练营(一)平台以及框架整体介绍
- UVA 11825 - Hackers' Crackdown 状态压缩 dp 枚举子集
- Rational Rose 2007 &Rational Rose 2003 下载及破解方法和汉化文件下载
- & 、nohup 不中断后台执行
- F28379D烧写双核程序(在线&离线)
- Linux下AT&T汇编语法格式与Intel汇编语法格式异同